Generation of a stochastic, agent-based mathematical model to predict the memory CD8+ T cell response to vaccination 3677
Notice bibliographique
Résumé
Abstract Description Protective immunity against infection requires both pathogen-specific antibody and T cell responses. Current vaccine strategies rely on the generation of protective antibody responses, but these vaccines fail to yield the memory CD8+ T cell populations required for protection against several pathogens including the intracellular parasites that cause malaria and toxoplasmosis. We show that a single low dose immunization with an attenuated strain of Toxoplasma gondii generates a protective, pathogen-specific CD8+ T cell response. To understand the mechanisms underlying this response, a mathematical, stochastic, agent-based model was developed to track every CD8+ T cell and simulate the events from T cell priming and expansion to T cell differentiation, contraction, and memory formation across secondary lymphoid tissues and the site of immunization. Early studies with the model accurately predicted biological defects in the CD8+ T cell response in cDC1-deficient mice, demonstrating the predictive capacity of the model. Importantly, the stochasticity of the model allows for a more physiologically accurate recapitulation than previous deterministic models of the variation in CD8+ T cell responses observed in mice as well as in human studies following vaccination. Going forward, the model will be applied to mRNA-LNP vaccination to inform their biology and streamline their development toward a strategy that effectively produces a protective CD8+ T cell response. Funding Sources Supported by NIH AI-160664 Topic Categories Computational and Systems Immunology (COMP)
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».